Integrantes del equipo:

Ludim Sánchez
Carlos García
Otniel Aguilar
Ricardo Morales
Eduardo Briones
Alex Leal

Sistemas Adaptativos
PSO, particle swarm optimization u
Optimización por enjambre de
partículas.
Introducción
Descripción
Método inspirado por las
parvadas de pájaros y el
conjunto de .peces nadando
donde estos siguen un objetivo
en
.
común.
¿PSO?
PSO (particle swarm optimization) consiste principalmente
en un espacio de búsqueda en el cual un conjunto de
partículas sigue a otro más cercano al objetivo, de esta
manera, buscan un punto óptimo, por lo tanto, cada
partícula busca mejores posiciones en el espacio
disponible de búsqueda cambiando su velocidad. Cabe
mencionar que entre más lejana se localice la posición de
la partícula a más velocidad esta irá para aproximarse a
otro conjunto de partículas más cercanas al objetivo. El
proceso termina cuando una partícula alcanza o llega al
objetivo.
La población se mueve en el espacio de
búsqueda guiado por las partículas que han
obtenido las mejores posiciones cercanas al
objetivo.
Ejemplo de aplicación
Supongamos que existe una población de humanos en la cual todos toman
diferentes caminos ó caminos aleatorios, todos con el mismo objetivo. Si
alguien se da cuenta que esta cerca del objetivo manda una señal o en su
defecto un aviso a los demás, los cuales tratan de aproximarse con una
velocidad mayor hacia el aviso. Conforme la tipología avanza, ciertas
personas se acercaran al objetivo más rápidamente, por lo cual todos estos
humanos llegan hacia el objetivo final.
Se toma en cuenta lo siguiente:

Partículas ó agentes Individuo en el espacio de búsqueda.

Dato de partícula Puede referirse a cualquier tipo de dato

necesario para la localización.

PB (best local possible) Es la mejor posición individual obtenida

durante el proceso respecto al objetivo.

GB (best global possible) La mejor solución obtenida en toda el área

de búsqueda de las partículas

Velocidad Velocidad de cada partícula.

 Diagrama de flujo

http://www.gliffy.com/go/publish/4857483
Aplicación de PSO
Biomédico: Agrupación de genes
Redes de comunicación: Control de red TCP
Agrupamiento y clasificación: Clustering
dinámico
Optimización combinatoria: Problema del
viajero
Conclusión
Concluimos que el PSO es un algoritmo sencillo
de fácil implementación en el cual se puede
llegar a una solución óptima a partir de un
número de iteraciones basadas en una
población de partículas.
Además nos pudimos dar cuenta que una de
las aplicaciones más importantes recaen en las
redes neuronales.
Bibliografía
https://www.esgsolutions.com/english/view.
asp?x=897 http://mnemstudio.org/particle-
swarm-introduction.htm
http://people.cs.uct.ac.
za/~jgain/publications/ParticleSwarm.pdf
http://www2.uacj.mx/IIT/CULCYT/Septiembre-diciembre2010/10%20Art.7.
pdf